現在這個時間再入坑計算機視覺,想請問計算機視覺的核心競爭力是什麼?相關工作的不可替代性在哪裡?
我在學習的過程中應該更加註重那一方面的學習,才能以後更好地進入工業界?應該好好打深度學習的基礎嗎?機器學習的基礎?
學會掉包即可,自己寫的包還沒別人寫得好(笑
計算機視覺研究方向很多。
缺陷檢測。這塊工業界很火熱,技術難度很高,問題很多,比如:晶元缺陷檢測,3C電子缺陷檢測等等。從傳統圖像演算法到深度學習,都在往缺陷檢測方向奮進。
Slam。自動駕駛是未來,這個是世界人民的共識,進一步變形金剛是否會出現?Slam是很數學的技術,能夠很好的區分於軟體工程師,我在學這塊的知識。《視覺Slam十四講》第二版裡面把視覺和Slam結合得很完美,代碼詳實高效,入門第一書。Slam和深度學習的結合點,可以考慮,通過Slam自動生成帶高質量標註的樣本數據。
當然還有各種方向。我比較熟悉這兩種。
那麼核心競爭力就包括:
1 學歷。文憑是個人奮鬥的證明,而工作經驗是公司給的。
2 溝通能力。不會甩鍋的程序員是會被辭退的程序員。
3 熬夜調代碼。代碼雖好,可是要陪著睡哦。
4 看好書,好看書,多看書。
好了,說了這麼多,不安排一下不到位。安排。
視覺SLAM十四講 從理論到實踐 第2版 SLAM入門教程書拼多多拼團價¥ 25.00去購買?題主注意到不可替代性,說明題主還是很有遠見和想法的,個人覺得不可替代性是能對演算法在具體業務場景下做出調整修改,而不是直接 clone完後直接運行發現效果不好就棄坑了。遇到問題解決問題。
現在業界內對於演算法工程師的認知是,一首先得懂演算法,基本演算法基礎牢固,二能第一時間用演算法知識結合工程能力解決業務問題;假設你在具備第一點的情況下,第二點將是你個人的積累和核心競爭力,因為實戰所獲得的經驗,任何一本書都無法涵蓋全,而且帶著這些業務實戰經驗到下一家的時候也能夠很快變現。
因此,個人建議,在學校多做項目,多參加工業界舉辦的比賽,將會對於之後就業有很大幫助。
Good Luck!
基本模塊,方法和框架要熟悉吧,這些是你舉一反三的基礎,另外線代不能太差。
在人工搭網路已經到達瓶頸了,感覺未來人類只需要去發掘新的有效基本模塊,至於搭網路什麼的,可以交給nas演算法去做了。
未來是屬於自動神經架構搜索的!(霧
核心競爭力是能復現別人論文,並在此基礎上提出自己的想法。
這個時候要看你的重點是什麼,如果你是想做計算機視覺方面的開發,你的重點就是學習怎麼使用openCV之類的庫,還有就是怎麼架設深度學習所需的伺服器。
如果你的重心是想放在研發上面,這裡的東西就多了,統計,線性代數,微積分,立體幾何,信號學這些都是基礎。基礎學完了後就要開始一系列計算機視覺的演算法,從傳統的ransac, 各種regression, GMM, kmeans, PCA 到CNN, transformer, RNN, LSTM, GAN. AutoEncoder不說全部精通,裡面大概的原理你要弄懂。比如每種activation function 有什麼特點, pooling 有什麼作用, 什麼是batch normalization 和 dropout. 學了這些之後你就剛剛打好了基礎,可以進行下一階段的學習了,
把基礎編程和演算法搞好,其他的都好說。
推薦閱讀:
TAG:圖像處理 | 機器學習 | 計算機視覺 | 深度學習與計算機視覺書籍 |